Macht AI uns dumm ?

Die Erosion des Denkens im AI-Zeitalter

Die grösste Gefahr von AI ist nicht, dass Maschinen intelligenter werden als Menschen, sondern, dass wir uns daran gewöhnen, nicht mehr selbst denken zu müssen.

Beitrag 1 der Serie «Der Mensch im AI-Zeitalter» von Prof. Dr. Markus Schmidiger

Noch nie war es so einfach, intelligent zu wirken. Ein Junior Consultant erstellt heute innert weniger Minuten eine Präsentation, für die früher mehrere Tage Arbeit nötig gewesen wären. Die Folien sehen professionell aus, die Sprache wirkt reif, die Argumentation ist logisch aufgebaut. Alles scheint zu stimmen, aber eine entscheidende Frage bleibt offen: Hat dieser Mensch das Problem wirklich verstanden oder hat er lediglich einen überzeugenden Output produziert?

Diese Frage markiert einen der tiefgreifendsten Umbrüche unserer Zeit.

Über Jahrzehnte war die Qualität eines Ergebnisses zumindest ein grober Indikator für die Qualität des Denkens dahinter. Wer komplexe Zusammenhänge verständlich erklären konnte, hatte sie in der Regel selbst durchdrungen. Wer überzeugend argumentierte, hatte meist zuvor gerungen, geprüft, verworfen und neu gedacht. Wer eine fundierte Analyse präsentierte, hatte sich Wissen und Verständnis erarbeitet.

Mit generativer AI beginnt sich diese Verbindung aufzulösen.

Das bedeutet nicht, dass Kompetenz verschwindet. Aber es bedeutet, dass Kompetenz zunehmend schwieriger erkennbar wird. Denn zum ersten Mal in der Geschichte können Menschen Ergebnisse erzeugen, die nach tiefem Verständnis aussehen, ohne den Weg dorthin vollständig selbst gegangen zu sein.

Die neue Herausforderung besteht darin, dass die sichtbare Qualität eines Ergebnisses immer weniger darüber aussagt, wie viel menschliches Denken tatsächlich darin steckt.

Künstliche Kompetenz als neue Gefahr

Wenn heute über AI gesprochen wird, dominieren oft die grossen Fragen. Werden Maschinen Menschen ersetzen? Werden ganze Berufe verschwinden? Werden wir die Kontrolle über intelligente Systeme verlieren?

Diese Fragen lenken möglicherweise von einer viel unmittelbareren Herausforderung ab: Die grösste Gefahr der nächsten Jahre könnte nicht künstliche Intelligenz sein, sondern künstliche Kompetenz.

Gemeint ist damit nicht, dass Menschen plötzlich unfähiger werden. Gemeint ist etwas Subtileres: immer häufiger werden wir mit Ergebnissen konfrontiert sein, die Kompetenz signalisieren, ohne dass klar ist, wie viel Kompetenz tatsächlich dahintersteht.

Ein strategisches Konzept wirkt durchdacht, eine Analyse fundiert, eine Präsentation überzeugend, ein Essay liest sich reflektiert. Doch immer häufiger wird unklar, ob die Person hinter dem Ergebnis den Denkprozess selbst durchlaufen hat oder ob sie vor allem in der Lage war, einen leistungsfähigen Assistenten zu bedienen.

Das Problem besteht dabei nicht darin, dass AI schlechte Ergebnisse liefert. Im Gegenteil: es besteht gerade darin, dass sie häufig erstaunlich gute Ergebnisse liefert.

Der Ökonom David Autor weist seit Jahren darauf hin, dass technologische Entwicklungen selten einfach Arbeit ersetzen. Viel häufiger verändern sie die Fähigkeiten, die Menschen entwickeln und trainieren. Die entscheidende Frage lautet deshalb nicht primär «Welche Aufgaben kann AI übernehmen?» sondern eher «Welche Fähigkeiten werden dadurch seltener geübt?»

Denn Kompetenz entsteht nicht dadurch, dass man gute Antworten besitzt. Kompetenz entsteht dadurch, dass man gute Antworten von schlechten unterscheiden kann. Diese Fähigkeit wird im AI-Zeitalter wertvoller denn je.

Die industrielle Revolution des Denkens

Die industrielle Revolution automatisierte Muskelkraft: Maschinen übernahmen Tätigkeiten, die zuvor körperliche Anstrengung erfordert hatten. Dadurch veränderte sich nicht nur die Wirtschaft. Es veränderte sich das Verhältnis des Menschen zur Arbeit.

Die AI-Revolution automatisiert nicht Muskeln, sondern Teile der Kognition. Suchmaschinen machten Informationen zugänglich, Tabellenkalkulationen automatisierten Berechnungen, Navigationssysteme ersetzten Orientierung. Generative AI geht einen Schritt weiter: Sie liefert nicht nur Informationen sondern bereits geordnete Gedanken.

Google beantwortete Fragen, ChatGPT beginnt, Denkprozesse zu übernehmen.

Das klingt zunächst wie eine natürliche Weiterentwicklung technologischer Hilfsmittel. Und tatsächlich haben Menschen seit jeher Werkzeuge entwickelt, um sich zu entlasten. Niemand würde heute ernsthaft fordern, wieder ohne Taschenrechner, Suchmaschinen oder Textverarbeitung zu arbeiten.

Die entscheidende Frage lautet deshalb nicht, ob wir denken auslagern dürfen, sondern, welche Formen des Denkens wir dauerhaft auslagern sollten und welche nicht.

Denn Denken besteht nicht nur darin, eine Antwort zu produzieren. Denken besteht darin, Unsicherheit auszuhalten, Zusammenhänge zu erkennen, Widersprüche zu prüfen und sich Schritt für Schritt einer Einsicht anzunähern. Genau dieser Prozess droht unsichtbar und ausgelagert zu werden.

Der Medientheoretiker Marshall McLuhan formulierte bereits in den 1960er-Jahren einen Gedanken, der heute aktueller erscheint als je zuvor: „We shape our tools and thereafter our tools shape us.“

Genau wie körperliche Stärke während der Industrialisierung ihren ökonomischen Sonderstatus verlor, verlieren heute viele kognitive Standardleistungen ihren Seltenheitswert. Informationen zusammenzufassen, Routineanalysen zu erstellen oder durchschnittliche Texte zu formulieren wird zunehmend automatisiert.

Dadurch verschiebt sich die Frage nach menschlichem Wert. Nicht Wissen oder  Information wird knapp sondern die Fähigkeit, Bedeutung zu erkennen, Verantwortung zu übernehmen und unter Unsicherheit zu urteilen, mit anderen Worten: Urteilskraft.

Cognitive Offloading: Wenn Denken delegierbar wird

Die Psychologie kennt für diese Entwicklung einen eigenen Begriff: Cognitive Offloading. Gemeint ist die Auslagerung geistiger Prozesse an externe Hilfsmittel. Menschen tun das seit Jahrhunderten. Wir schreiben Einkaufslisten, speichern Telefonnummern im Smartphone, verlassen uns auf Navigationssysteme oder nutzen Suchmaschinen, statt Fakten auswendig zu lernen.

Das ist weder neu noch problematisch. Im Gegenteil, viele kulturelle Fortschritte beruhen genau auf dieser Fähigkeit, geistige Ressourcen effizienter einzusetzen.

Doch generative AI verändert die Art dessen, was ausgelagert wird: Frühere Werkzeuge halfen uns vor allem dabei, Informationen zu speichern oder abzurufen. AI unterstützt zunehmend bei Aufgaben, die bisher als Kernbestandteile menschlichen Denkens galten: Strukturieren, Formulieren, Priorisieren, Argumentieren und Interpretieren.

Damit verschiebt sich die Diskussion grundlegend. Die Forscher Betsy Sparrow, Jenny Liu und Daniel Wegner konnten bereits 2011 zeigen, dass Menschen Informationen schlechter behalten, wenn sie wissen, dass diese jederzeit digital verfügbar sind. Das Gehirn merkt sich dann weniger den Inhalt selbst und stärker den Weg zurück zur Information. Mit AI könnte sich dieses Muster ausweiten.

Wenn Systeme nicht nur Informationen liefern, sondern bereits erste Gedanken, Argumente und Interpretationen, stellt sich eine neue Frage: Was passiert mit Fähigkeiten, die wir immer seltener selbst nutzen?

Unser Gehirn ist keine Festplatte sondern ein Trainingssystem. Was wir regelmässig nutzen, wird stärker. Was wir dauerhaft auslagern, verliert an Tiefe. Somit ist die entscheidende Frage weniger, ob AI denkt, sondern viel mehr, welche Denkfähigkeiten wir weiterhin selbst trainieren wollen.

Lernen braucht Reibung

Eines der grössten Missverständnisse unserer Zeit liegt in der Vorstellung, Lernen müsse möglichst reibungslos verlaufen.

In Wahrheit entsteht tiefes Verständnis selten im Moment der Klarheit. Es entsteht meist in der Phase davor: Im Ringen, Zweifeln, Scheitern, im Versuch, Ordnung in etwas zu bringen, das zunächst unverständlich erscheint.

Der Psychologe Albert Bandura zeigte mit seiner Forschung zur Selbstwirksamkeit, dass Menschen Vertrauen in ihre Fähigkeiten nicht dadurch entwickeln, dass Schwierigkeiten vermieden werden, sondern dadurch, dass Herausforderungen bewältigt werden.

Genau deshalb sind die unangenehmen Teile eines Lernprozesses oft die wertvollsten: Der schlechte erste Entwurf, die verworfene Hypothese, die Sackgasse, die Rückfrage, auf die man keine Antwort hat, die Unsicherheit, ob man überhaupt auf dem richtigen Weg ist.

All diese Erfahrungen fühlen sich im Moment unerquicklich an. Doch genau dort entstehen Kompetenz, Urteilsvermögen und geistige Eigenständigkeit.

Die Lernforscher Robert und Elizabeth Bjork sprechen von «Desirable Difficulties» und meinen damit jene Formen von Anstrengung, die kurzfristig mühsam wirken, langfristig aber besonders wirksames Lernen ermöglichen.

Generative AI greift genau hier ein: Sie kann Reibung reduzieren, Orientierung geben, Blockaden lösen und Menschen helfen, schneller voranzukommen.

Doch das kann auch dazu führen, dass Lernprozesse übersprungen werden: Der gute Entwurf erscheint, bevor wir den schlechten geschrieben haben, die Struktur entsteht, bevor wir mit Chaos gerungen haben, Die Antwort erscheint, bevor die Frage wirklich gereift ist.

Das fühlt sich effizient an und ist deshalb verführerisch. Doch Kompetenz entsteht nicht durch den Besitz fertiger Antworten, sondern durch die Fähigkeit, Antworten zu prüfen, weiterzuentwickeln und unter neuen Bedingungen selbst zu erzeugen. Die entscheidende Frage lautet deshalb, ob AI Lernen vertieft oder ersetzt.

Die Krise der Junioren: Wenn Unternehmen ihre Lernräume automatisieren

Besonders sichtbar wird diese Entwicklung dort, wo Expertise normalerweise entsteht: am Anfang einer Karriere.

Fast jede professionelle Kompetenz beginnt mit Unsicherheit. Niemand wird ein guter Berater, eine starke Juristin, ein erfahrener Investor oder eine überzeugende Führungskraft, weil er von Anfang an perfekte Ergebnisse produziert. Kompetenz entsteht durch Wiederholung, Korrektur und Erfahrung. Durch das wiederholte Scheitern an Problemen, die zunächst grösser sind als die eigenen Fähigkeiten.

Genau diese Lernschleifen geraten nun unter Druck.

Ein Junior Consultant kann heute eine Marktanalyse erstellen lassen, bevor er gelernt hat, Märkte wirklich zu verstehen. Eine junge Juristin erhält Formulierungsvorschläge, bevor sie gelernt hat, juristisch zu argumentieren. Ein Nachwuchsentwickler bekommt funktionierenden Code, bevor er die dahinterliegenden Systemlogiken durchdrungen hat. Eine Studentin reicht einen überzeugenden Essay ein, bevor sie ihre Gedanken wirklich entwickelt hat.

In all diesen Fällen entsteht besserer Output. Aber entsteht auch bessere Kompetenz?

Das ist keine rhetorische Frage sondern möglicherweise eine der wichtigsten Managementfragen des kommenden Jahrzehnts.

Viele Unternehmen betrachten AI heute primär als Produktivitätsinstrument. Das ist nachvollziehbar. Wer schneller bessere Ergebnisse erzeugen kann, gewinnt Effizienz. Wer Routinearbeit reduziert, spart Kosten. Wer Mitarbeitende produktiver macht, erhöht die Wettbewerbsfähigkeit.

Dabei übersehen sie die grosse Gefahr und automatisieren jene Tätigkeiten, aus denen bisher Expertise entstanden ist: Die mühsame Recherche, der schlechte erste Entwurf, die kritische Rückmeldung eines erfahrenen Kollegen, die Präsentation, die im Meeting auseinandergenommen wurde, die Analyse, die zentrale Zusammenhänge übersehen hatte waren alles Lernräume. All diese Situationen waren unangenehm. Aber sie waren auch die Orte, an denen Menschen gelernt haben, besser zu denken.

Wer heute einen Senior Partner in einer Beratung, eine erfahrene Richterin oder einen erfolgreichen Unternehmer fragt, wie sie ihre Urteilskraft entwickelt haben, wird selten hören: durch perfekte Vorlagen. Fast immer lautet die Antwort: durch Erfahrung,  Fehler, Rückschläge, Situationen, in denen sie falsch lagen und daraus lernen mussten.

Genau deshalb ist die Frage so brisant: Wer wird künftig Senior, wenn niemand mehr richtig Junior war?

Diese Frage betrifft nicht nur einzelne Karrieren. Sie betrifft die Zukunftsfähigkeit ganzer Organisationen. Denn Unternehmen leben langfristig nicht von ihren heutigen Experten. Sie leben von ihrer Fähigkeit, neue Experten hervorzubringen.

Wenn AI vor allem dazu genutzt wird, menschliche Lernschleifen zu verkürzen, entsteht ein paradoxes Risiko: Die Organisation wird kurzfristig produktiver und langfristig geistig schwächer. Sie produziert mehr Ergebnisse, aber weniger Urteilskraft, mehr Analysen, aber weniger Verständnis, mehr Antworten, aber weniger Menschen, die gute Fragen stellen können.

Unternehmen sidn deshalb gut beraten, AI nicht nur möglichst schnell einzuführen, sondern gleichzeitig auch, Lernräume bewusst zu erhalten. Denn Expertise entsteht nicht dort, wo alles einfach wird, sondern dort, wo Menschen lernen, mit Komplexität umzugehen.

Die neue digitale Kluft: mental souverän oder mental abhängig

Lange Zeit wurde die digitale Kluft als Frage des Zugangs verstanden: Wer hatte Internet? Wer hatte Computer? Wer konnte digitale Werkzeuge bedienen?

Diese Unterscheidung verliert im AI-Zeitalter zunehmend an Bedeutung.

Generative AI wird bald überall verfügbar sein. Sie wird in Suchmaschinen, Office-Anwendungen, CRM-Systemen, Lernplattformen und Unternehmenssoftware integriert sein. Die entscheidende Frage lautet deshalb nicht mehr, wer AI nutzt. Fast alle werden AI nutzen. Die entscheidende Frage lautet: Wie verändert AI das Denken ihrer Nutzer?

Hier entsteht die eigentliche Kluft der Zukunft: Auf der einen Seite stehen Menschen, die AI nutzen, um besser zu denken. Auf der anderen Seite Menschen, die AI nutzen, um weniger denken zu müssen. Die neue Kluft verläuft zwischen kognitiver Souveränität und kognitiver Abhängigkeit.

Kognitiv souveräne Menschen nutzen AI als Sparringspartner. Sie entwickeln zunächst eigene Hypothesen, prüfen Vorschläge kritisch, suchen aktiv nach Gegenargumenten. Sie nutzen AI, um blinde Flecken sichtbar zu machen und ihre Gedanken zu schärfen.

Kognitiv abhängige Menschen nutzen AI anders. Sie fragen früher, übernehmen schneller, prüfen weniger, halten Unsicherheit schlechter aus. Sie verlassen sich zunehmend auf externe Antworten, statt eigene Gedanken zu entwickeln.

Es geschieht schleichend: Eine schwierige Frage wird nicht mehr zuerst selbst durchdacht, eine Analyse nicht mehr selbst strukturiert, eine Idee nicht mehr entwickelt, sondern generiert, eine Unsicherheit wird nicht mehr ausgehalten, sondern sofort aufgelöst.

Von aussen wirkt das oft wie Fortschritt, weil die Texte besser, die Präsentationen professioneller und die Kommunikation effizienter werden.

Doch innerlich könnte etwas anderes passieren: weniger Eigenständigkeit, weniger geistige Ausdauer und weniger Vertrauen in die eigene Denkfähigkeit.

Der Philosoph Thomas Metzinger spricht von mentaler Selbstbestimmung als einer zentralen Herausforderung des 21. Jahrhunderts. Genau darum geht es hier. Die wichtigste Kompetenz der Zukunft wird nicht darin bestehen, AI bedienen zu können. Die wichtigste Kompetenz wird darin bestehen, AI nutzen zu können, ohne die eigene Urteilskraft auszulagern.

Denn AI produziert Wahrscheinlichkeit, Menschen müssen Bedeutung prüfen. AI kann Muster erkennen, Menschen müssen Verantwortung übernehmen. AI kann Antworten formulieren, Menschen müssen entscheiden, welche davon tragfähig sind.

Deshalb wird der entscheidende Wettbewerbsvorteil künftig nicht darin liegen, die meisten Tools zu beherrschen. Der Vorsprung wird bei jenen liegen, die trotz permanenter AI-Unterstützung geistig unabhängig bleiben.

AI als Krücke oder Trainer

Wie können wir AI nutzen, ohne in genau diese Abhängigkeit zu geraten? Die Antwort beginnt mit einer einfachen Unterscheidung: AI kann eine Krücke sein, oder ein Trainer.

Als Krücke nimmt sie uns Widerstand ab, liefert die Antwort, bevor wir selbst nachgedacht haben, formuliert den Text, bevor wir mit Sprache gerungen haben, löst das Problem, bevor wir gelernt haben, das Problem zu verstehen. Das fühlt sich effizient an und ist es oft auch. Doch langfristig schwächt jede Krücke Fähigkeiten, die nicht mehr genutzt werden.

Als Trainer funktioniert AI anders: Sie fordert uns heraus, stellt Fragen, zeigt blinde Flecken, liefert Gegenargumente,  zwingt uns, Annahmen zu überprüfen und unsere Gedanken zu präzisieren.

Der Unterschied beginnt oft bereits mit dem ersten Prompt. Wer fragt: „Schreib mir die Lösung.“ nutzt AI als Krücke. Wer fragt: „Welche Annahmen übersehe ich?“ oder „Welche Gegenargumente müsste ich ernst nehmen?“ nutzt AI als Trainer.

Prompting ist deshalb nicht die eigentliche Zukunftskompetenz. Die eigentliche Kompetenz heisst Urteilskraft. Wer AI nur bedienen kann, ist noch nicht souverän. Souverän wird, wer AI führen kann, wer weiss, wann Beschleunigung sinnvoll ist und wann Verlangsamung notwendig. Wer erkennt, wann eine Antwort hilfreich ist und wann sie das Denken zu früh beendet.

Die entscheidende Frage lautet deshalb nicht: Wie viel können wir an AI delegieren? Sondern: Was dürfen wir nicht delegieren? Denn nicht jede Reibung ist Verschwendung. Manche Reibung ist Training.

Was Führungskräfte jetzt anders machen müssen

Für Führungskräfte bedeutet das nicht nur die Produktivitätsgewinne mit AI im Blick zu haben, sondern sich auch die Frage zu stellen, wie sie dafür sorgen wollen, dass die Organisation durch AI nicht nur schneller, sondern auch klüger wird.

Denn Geschwindigkeit ist kein Beweis für Intelligenz, Output ist kein Beweis für bessere Entscheidungen, professionellere Präsentationen sind kein Beweis für mehr Verständnis.

Führungskräfte müssen künftig stärker auf Denkprozesse achten als auf Ergebnisse. Sie müssen fragen: Wie bist du zu dieser Einschätzung gekommen? Welche Annahmen hast du geprüft? Welche Alternativen hast du verworfen? Was würde gegen deine Empfehlung sprechen? Was hat die AI vorgeschlagen und warum bist du ihr gefolgt oder nicht gefolgt?

Solche Fragen werden wichtiger als die Präsentation selbst. Denn wenn die Oberfläche immer besser wird, muss die Prüfung tiefer werden.

Gleichzeitig müssen Unternehmen bewusst Lernräume schützen. Nicht jede Tätigkeit, die automatisiert werden kann, sollte automatisiert werden. Manche Aufgaben dienen nicht nur der Leistungserbringung. Sie dienen dem Kompetenzaufbau.

Wer alle Reibung eliminiert, eliminiert irgendwann auch Lernen. Organisationen sollten deshalb AI nicht nur als Effizienztechnologie betrachten. Sie sollten sie als Kompetenztechnologie gestalten.

Fünf Regeln für mentale Souveränität

Wie kann das konkret aussehen? Fünf einfache Prinzipien können helfen.

• Erst denken, dann fragen.
  Formulieren Sie zunächst eine eigene Hypothese, bevor Sie AI konsultieren. So bleibt der erste Denkrahmen Ihr eigener.

• Übernehmen Sie nie den ersten Output.
  Der erste AI-Vorschlag ist meist nicht der beste Gedanke. Er ist oft nur der wahrscheinlichste.
  
• Nutzen Sie AI für Widerspruch, nicht nur für Bestätigung.
  Fragen Sie nach Gegenargumenten, Risiken und blinden Flecken.
  
• Erhalten Sie bewusst Reibung.
  Nicht jede Schwierigkeit muss sofort verschwinden. Manche Schwierigkeiten trainieren genau die Fähigkeiten, die künftig wertvoll werden.
  
• Delegieren Sie niemals Verantwortung.
  AI kann Vorschläge machen. Entscheiden müssen weiterhin Menschen.

Nicht weniger denken, sondern bewusster

In der aktuellen AI-Debatte sprechen wir zu viel über Maschinen und zu wenig über Menschen. Wir diskutieren darüber, was AI kann, wie leistungsfähig sie wird und welche Berufe sie verändern wird. Doch die eigentliche Frage lautet nicht, was mit den Maschinen geschieht.

Die eigentliche Frage lautet, was mit uns geschieht. AI wird uns nicht automatisch dumm machen. Dafür ist die Wirklichkeit zu komplex. AI kann Menschen produktiver machen. Sie kann Kreativität fördern, Routinearbeit reduzieren, Perspektiven erweitern und Lernen unterstützen. Es wäre falsch, diese Chancen kleinzureden.

Aber AI kann auch etwas anderes: Sie kann uns langsam daran gewöhnen, Antworten zu konsumieren, statt Gedanken zu entwickeln. Sie kann uns dazu verleiten, Kompetenz zu simulieren, statt Kompetenz aufzubauen. Sie kann uns produktiver machen und gleichzeitig jene Fähigkeiten schwächen, die wir künftig am dringendsten brauchen.

Die Zukunft wird deshalb nicht zwischen Menschen und Maschinen entschieden. Sie wird zwischen zwei Arten von Menschen entschieden: Jenen, die AI nutzen, um besser zu denken und jenen, die AI nutzen, um weniger denken zu müssen.

Die einen werden klüger, die anderen werden nur schneller.

Nicht jede Aufgabe wird künftig von Menschen erledigt werden müssen, aber jede wichtige Entscheidung wird weiterhin menschliche Urteilskraft brauchen. Nicht jede Analyse wird von Menschen geschrieben werden, aber Menschen müssen weiterhin erkennen können, welche Analyse trägt und welche nicht. Nicht jede Antwort wird künftig von Menschen formuliert werden, aber Menschen müssen weiterhin wissen, welche Antwort verantwortbar ist.

Vielleicht wird das AI-Zeitalter deshalb nicht daran gemessen werden, wie intelligent unsere Maschinen geworden sind, sondern daran, ob wir die Fähigkeit bewahrt haben, selbst zu denken. Denn die eigentliche Herausforderung unserer Zeit ist nicht die Entwicklung künstlicher Intelligenz. Es ist die Verteidigung menschlicher Urteilskraft.

Quellenverzeichnis am Schluss des Beitrages

Essay-Serie «Der Mensch im AI Zeitalter»

• Macht uns AI dumm?
• Wer bist du noch, wenn Maschinen besser denken?
• Warum Weisheit und Menschlichkeit wichtiger werden als Intelligenz
• Die Renaissance der Originalität im AI-Zeitalter

---

AI strategisch erfolgreich einsetzen: Der AI Transformation Circle

Viele Unternehmen experimentieren mit AI. Nur wenige integrieren sie systematisch in ihre Wertschöpfung.

Der AI Transformation Circle bietet den strukturierten Rahmen dafür. Sie arbeiten gemeinsam mit anderen Unternehmen an:

• einem klaren AI-Zukunftsbild
• priorisierten Anwendungsfeldern
• Prozess- und Datenanalyse
• Governance-Design
• konkreten Umsetzungsschritten

Klare strategische Organisationsentwicklung. Und konkrete Umsetzung mit sofort nutzbaren Resultaten.

Der Circle hilft Ihnen, AI aus der Pilotphase zu führen und dauerhaft produktiv zu machen.

AI in Real Estate: bleiben Sie am Puls

Unsere Webinarreihe beleuchtet regelmässig aktuelle Fragestellungen an der Schnittstelle von AI und Immobilienwirtschaft.

Infos und Anmeldung

Von Erkenntnis zu Umsetzung

In unseren Seminaren und Workshops vertiefen wir die Themen praxisnah und mit konkreter Transferunterstützung für Ihr Unternehmen.

Alle Angebote rund um AI @ Real Estate finden Sie hier.

Quellenverzeichnis

Agarwal, P. K., & Bain, P. M. (2019). Powerful teaching: Unleash the science of learning. Jossey-Bass.

Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.

Bjork, R. A., & Bjork, E. L. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher, R. W. Pew, L. M. Hough, & J. R. Pomerantz (Eds.), Psychology and the real world: Essays illustrating fundamental contributions to society (pp. 56–64). Worth Publishers.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work (NBER Working Paper No. 31161). National Bureau of Economic Research.

Cain, S. (2012). Quiet: The power of introverts in a world that can’t stop talking. Crown Publishers.

Carr, N. (2010). The shallows: What the Internet is doing to our brains. W. W. Norton & Company.

Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19.

Davenport, T. H., & Kirby, J. (2016). Only humans need apply: Winners and losers in the age of smart machines. Harper Business.

Dweck, C. S. (2006). Mindset: The new psychology of success. Random House.

Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3), 363–406.

Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6.

Han, B.-C. (2015). The burnout society. Stanford University Press.

Harari, Y. N. (2018). 21 lessons for the 21st century. Spiegel & Grau.

Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.

McLuhan, M. (1964). Understanding media: The extensions of man. McGraw-Hill.

Metzinger, T. (2009). The ego tunnel: The science of the mind and the myth of the self. Basic Books.

Mintzberg, H. (2004). Managers not MBAs: A hard look at the soft practice of managing and management development. Berrett-Koehler.

Newport, C. (2016). Deep work: Rules for focused success in a distracted world. Grand Central Publishing.

OECD. (2021). 21st-century readers: Developing literacy skills in a digital world. OECD Publishing.

OpenAI. (2023). GPT-4 technical report. arXiv.

Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230–253.

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.

Rosen, L. D. (2012). iDisorder: Understanding our obsession with technology and overcoming its hold on us. Palgrave Macmillan.

Senge, P. M. (2006). The fifth discipline: The art and practice of the learning organization (Rev. ed.). Doubleday.

Simon, H. A. (1971). Designing organizations for an information-rich world. In M. Greenberger (Ed.), Computers, communication, and the public interest (pp. 37–72). Johns Hopkins Press.

Small, G., & Vorgan, G. (2008). iBrain: Surviving the technological alteration of the modern mind. HarperCollins.

Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778.

Taleb, N. N. (2012). Antifragile: Things that gain from disorder. Random House.

Turkle, S. (2011). Alone together: Why we expect more from technology and less from each other. Basic Books.

Twenge, J. M. (2017). iGen: Why today’s super-connected kids are growing up less rebellious, more tolerant, less happy—and completely unprepared for adulthood. Atria Books.

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.

Ward, A. F., Duke, K., Gneezy, A., & Bos, M. W. (2017). Brain drain: The mere presence of one’s smartphone reduces available cognitive capacity. Journal of the Association for Consumer Research, 2(2), 140–154.

Weick, K. E. (1995). Sensemaking in organizations. Sage Publications.

Weizenbaum, J. (1976). Computer power and human reason: From judgment to calculation. W. H. Freeman.

Wilson, T. D. (2002). Strangers to ourselves: Discovering the adaptive unconscious. Belknap Press.

World Economic Forum. (2023). The future of jobs report 2023. World Economic Forum.

Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.